空間自相關性的計算指標有全域性莫蘭指數，區域性莫蘭指數，現在又有乙個二元區域性莫蘭指數。具體定義和解釋，我不做介紹了，可以參見相關書籍，如《空間分析教程》，或者大蝦盧的部落格，或者區域性莫蘭指數創造者luc院士團隊發明的geoda軟體的官網
我現在有兩個變數xi 和yi
（1）全域性莫蘭指數
輸入變數只能是單變數，xi和yi取其一，假設輸入xi，
輸出的結果是xi在空間是否聚集，無法輸出聚集地在哪
（2）區域性莫蘭指數
輸入變數也是單變數，xi和yi取其一，假設輸入xi，
輸出結果是，對於每乙個xi，都有乙個結果，結果是以下五種結果之一：「高-高」聚集，「低-低」聚集，「高-低」異常，「低-高」異常，不顯著。
比如對於x1輸出的是「高-高」，這個意思是x1是高值區，而它地理空間周圍的xi也是高值區。
（3）二元區域性莫蘭指數
輸入變數也是雙變數，xi和yi，以xi為第一變數，以yi為第二變數，
輸出結果是，是針對第一變數來說的，對於每乙個xi，都有乙個結果，結果是以下五種結果之一：「高-高」聚集，「低-低」聚集，「高-低」異常，「低-高」異常，不顯著。
比如對於x1輸出的是「高-高」，這個意思是x1是高值區，而它地理空間周圍的yi也是高值區。
這個的解釋，我是根據geoda的github主頁上的解釋理解的，不知是否正確，我在一篇暫未發表的文獻上見別人用了這個方法。希望與了解這個方法的大神討論。
統計 相關性與自相關性
相關係數度量指的是兩個不同事件彼此之間的相互影響程度 而自相關係數度量的是同一事件在兩個不同時期之間的相關程度，形象的講就是度量自己過去的行為對自己現在的影響。自相關，也稱 序列相關。是乙個訊號於其自身在不同時間點的互相關。非正式地來說，它就是兩次觀察之間的相似度對它們之間的時間差的函式。它是找出重...
回歸分析的基本步驟與自相關性
乙個回歸分析的步驟 1.用scat x y檢視散點圖 2.使用適當的模型進行回歸分析ls，估計出引數 3.統計檢驗，包括擬合優度檢驗和模型顯著性檢驗 4.時間序列資料要做自相關性分析，橫截面資料做異方差性檢驗 4.檢查是否有多重共線性 5.用結果來分析現實情況 先找到資料，巧婦難為無公尺之炊 如果找...
SPSS中三種相關係數
在spss軟體相關分析中,pearson 皮爾遜 kendall 肯德爾 和spearman 斯伯曼 斯皮爾曼 三種相關分析方法有什麼異同 兩個連續變數間呈線性相關時，使用pearson積差相關係數，不滿足積差相關分析的適用條件時，使用spearman秩相關係數來描述.spearman相關係數又稱秩...